Ora vorrei passare a illustrare all'atto pratico alcuni dei punti presentati nel topic introduttivo. Come al solito porto unicamente la mia esperienza diretta. Partiamo dai miglioramenti di comprensione dei prompt facendo un confronto tra alcuni miei esperimenti passati disastrosi e i risultati quantomeno dignitosi che si possono ottenere oggi.
Come primo esempio vedremo una scena di battaglia fantasy in un dungeon contro un negromante e il suo esercito di scheletri. In passato i modelli erano praticamente incapaci di organizzare questo genere di materiale con un briciolo di coerenza. Metto il prompt sotto spoiler per comodità:

Spoiler: Prompt

A Fantasy digital painting of a giant white maine coon cat wearing light leather harness, fighting alongside an ancient Roman soldier holding a scutum shield. Back-to-back formation, dynamic action pose. They are fighting an army of skeletons. On background a dark cavern with a crazed necromancer sitting on a massive bone throne, casting purple and green spells. Greg Rutkowski and Frank Frazetta style.

Tentativi passati
Flux 1 (non solo ha fatto pena ma ha sbagliato pure il gatto)

Spoiler

Ideogram 2 (ha partorito un accrocco senza senso)

Krea 1 (Bello soprattutto il braccio del legionario ma comunque fa schifo tutto)

Tentativi recenti
Nano Banana

Flux 2 (necessiterebbe un po' di editing ma almeno è passabile)

Spoiler

Il secondo esempio lo realizzai per testare la prospettiva dall'alto visto che in passato le angolazioni che funzionavano bene erano davvero poche.

Spoiler: Prompt

A painting in a bedroom setting where a woman
with long black hair, dressed in pyjamas and wearing headphones, is sleeping relaxed on a bed while holding a cello. Above the bed, a large window reveals a metropolis with skyscrapers. The room has a lived-in, slightly disheveled appearance. There's a glimpse of a bookshelf with photographs pinned underneath to the right. The scene is framed from above. The dominant color palette is a mix of deep teals and turquoise, creating a somber and dreamlike atmosphere. The overall composition conveys a sense of isolation, creativity, and introspection.

Esperimenti passati.
Flux 1 (No comment)

Ideogram 2 (almeno ci ha provato)

Spoiler

DALL-E 3 (pure la prospettiva è sbagliata)

Spoiler

Imagen 3 (quasi passabile ma facendo disastri con le braccia)

Spoiler

Tentativi recenti

Nano Banana

Flux 2

Spoiler

GPT Image 1

Spoiler

Il terzo e ultimo esempio è pensato per testare la recente precisione che si è raggiunta nella gestione degli spazi e collocazione degli elementi di scena.

Spoiler: Prompt

Prompt (e sì, sono solita scrivere 'sti papiri quando voglio dare istruzioni precise):
A digital painting, illustration-like, depicting a contemplative scene of a young woman sitting inside a cozy café on a rainy day. The perspective is from inside the café, looking across her table and out a large window onto a wet, European-style street.
In the foreground on the right, a woman with wavy, chin-length brunette hair sits at a round wooden table. She is wearing a dark, long-sleeved dress with buttons running up the front.
She is leaning forward, her left hand resting thoughtfully on her chin, while her right hand holds a pen, writing in an open journal. Her expression is serious, pensive and slightly melancholic.
On the polished wooden table in front of her, there are several items:
An open book with handwriting visible on the pages.
A beige mug filled with hot coffee with visible steam rising from it.
A classic glass sugar pourer with a metal spout.
Uniquely, a small, plush brown teddy bear sits on the table to the left of the mug, facing the window. It adds a touch of innocence to the mood.
The interior is bathed in warm, amber tones, contrasting with the cool daylight outside.
To the far right, the back of a man wearing a beige sweater can be seen sitting at another table.
The chairs are bentwood style, suggesting a classic bistro setting.
Rain streaks run down the glass pane, and the street outside is wet and reflective.
The architecture resembles a European city, Paris-like. Across the street, there is a flower shop with a red-and-white striped awning displaying buckets of colorful flowers (red, yellow, and white). Next to it is a green awning with the word "RESTAURANT" in gold letters.
A figure in a long coat holding a black umbrella is walking away from the viewer on the cobblestone street. Other indistinct figures with umbrellas are visible in the distance.

Risultati passati
Flux 1 (Al solito non capiva cosa stava facendo. Ha messo fuori la scritta ristorante generando però di fatto un fioraio, ha sbagliato l'angolazione escludendo l'altro uomo di spalle che andava visto dentro il Café e tanti altri errori come la donna che impugna la penna senza farci nulla e in quella mano gli manca un dito. Pure il braccio sinistro è inguardabile).

Imagen 3 (Almeno la prospettiva è giusta e la resa estetica più gradevole. Continuava a non capire che il ristorante doveva stare di fianco al fioraio e comunque la scritta è sbagliata. Poi ha messo l'orso su uno sgabello perché era troppo bestia per collocare con successo tutte cose sul tavolo e vari altri sbagli come la donna che non sta scrivendo come invece specificato nel prompt).

Spoiler

Ideogram 2 (per tentare di salvarsi ha ignorato l'intera descrizione della scena ma il risultato è scadente comunque con la posizione del braccio sinistro peraltro assurda)


Risultati recenti
Nano Banana

Flux 2

Seedream 4.5 (Ha duplicato il libro però restando nel complesso fedele alla descrizione).


Sperando che non abbiate trovate il tutto tedioso nel prossimo post andrò ad illustrare quella che probabilmente è la più grossa novità del settore: ovvero le nuove funzioni di editing.

 

I generatori di immagini dunque in un solo anno sono progrediti sensibilmente in precisione e resa degli output. Inizia ad esserci anche la possibilità di generare direttamente ad alte risoluzioni con Nano Banana e Seedream che già supportano fino a 4K.

Ma come ho accennato nei post precedenti le funzioni di editing sono senza dubbio la più grande novità. Ad esserne il pioniere è stato il generatore di immagini nativo di GPT il quale, pur avendo marcati limiti stilistici, aveva tracciato il futuro in cui gli image generator sarebbero diventati pure image editor permettendo in pochi minuti, con semplici comandi di testo, di archiviare gli stessi risultati che col Photoshop, anche essendo grafici esperti, impieghereste delle ore. Questo renderà i tool AI immensamente più versatili e per descrivere tutte le cose nuove che si possono fare ci vorrebbero pagine intere quindi mi limito alle principali che ho testato. Quali software al momento sono capaci di editing: Flux 2, Seedream 4, Reve, Qwen, GPT, Firefly 5 e Nano Banana. Nano Banana è il più interessante ma, come vedremo, è una tecnologia non certo perfetta.
1) Cambiare soggetti ed elementi di una scena.
Prenderò a modello me stessa in un momento di vita quotidiana.

Proviamo a togliermi di mezzo visto che nell'immagine sembro scocciata e annoiata a morte e ho la stessa faccia di quando mi svegliavo la mattina per andare al lavoro prima che mi facessi licenziare. Inoltre gli occhi sono venuti bruttini.

Spoiler: Prompt

Remove the young woman from the armchair and replace her with a thin, nerdy-looking young man wearing round glasses, gesturing amusedly and looking towards the man in the hat. Also remove the little brown mouse and replace it with a toy tyrannosaurus lying on its side.

Ovviamente si può fare lo stesso con lo sfondo e qualsiasi altra cosa. E si può anche chiedere di rigenerare lo stesso soggetto (in questo caso Alice) in una posa e in una posizione differenti rispetto a prima.

Cosa ancora difetta. Capita che la qualità dell'immagine di output sia inferiore all'originale, perché per ogni modifica via prompt i software rigenerano tutto cercando di ricalcare alla perfezione l'originale ma non sempre va esattamente come previsto. Inoltre per elementi di scena che si ripetono molte volte non è semplice fargli capire dove intervenire a sistemare (tipo una scena di battaglia piena di lance identiche dove il software sovente non capisce quale vuoi rimuovere anche specificando il punto con precisione). Per esempio avevo generato questa scena di un assedio e la freccia che l'arciere ha conficcata sulla spalla è piuttosto innaturale.

Quando questi modelli devono rappresentare ciò che realmente è la carne, il sangue, la sofferenza, spesso producono risultati molto ottusi e anche laddove sarebbero capaci intervengono i filtri di censura draconiani a cui l'intero settore è sottoposto.
Comunque chiesi a Er Banana di rimuovere quella freccia e ovviamente lo ha fatto ma l'immagine è diventata meno nitida.

Spoiler: Prompt

Leave everything as it is, but remove the arrow stuck in the character's shoulder.

Così ho dovuto sistemare personalmente in Photoshop alla vecchia maniera (se siete negati esistono software di riempimento generativo come Firefly ma funzionano o meno a seconda dei casi).


2) Trasformare lo stile dell'immagine.
Ricordo quando parecchio tempo fa l'Adobe in Firefly aveva promesso una funzione Sketch to image che poi non venne implementata. Ora vediamo se Er Banana riesce a fare via prompt uno Sketch to image convincente. Proviamo qualcosa di non troppo semplice.

Prompt: turn this Sketch into a digital painting

Si possono sperimentare tante trasformazioni in stili e tecniche differenti.
Prompt: Turn the image into an expressionist painting style.

Non che sia un granché, comunque da questi esempi si può vedere che è bravino a colorare anche senza istruzioni specifiche e può essere comodo per colorare disegni o foto in bianco e nero.
Qual'è il limite.
Sta tutto nel dataset di addestramento: le trasformazioni riguardano sempre le forme che ha in memoria e oltre non va. Per esempio questo è un disegno di un personaggio di Stardew Valley: proviamo a trasformarlo in una persona reale.

Spoiler

Prompt: Turn this drawing into a photo

Come si evince non può per magia ricreare la ragazza nel disegno in modo fotorealistico quindi ha semplicemente cercato nel dataset qualcosa che secondo lui gli somigliasse e non riconoscendo la forma dell'oggetto con cui Maru sta interagendo e non avendone in memoria un corrispettivo da cui attingere l'ha mutato nella testa di un androide.

3) Coerenza del personaggio
O character consistency come si suol dire in gergo tecnico. Vari nuovi modelli sono addestrati a riconoscere la fisionomia di un soggetto e riprodurla abbastanza fedelmente. Ideogram permette di creare un character da una singola foto frontale ma pur rendendo l'operazione estremamente facile e accessibile questo fa si che copia la testa ma si inventa il resto del corpo. I risultati il più delle volte risultano credibili ma mi viene comunque di definirlo “Il magico laboratorio di Frankenstein”. Comunque dopo la prova gratuita Ideogram character si paga e non ne vale la pena visto che Google Whisk, che è completamente gratis, fa la stessa cosa.
Ho ripreso la Maru che abbiamo trasformato in fotografia (e di fatto non è più lei) e ho chiesto a Er Banana di farne un ritratto frontale così da rendere il soggetto più chiaro e utilizzabile.

Spoiler

Ora caricandola come soggetto su Whisk possiamo mutarne a piacimento abbigliamento, posa e inventare nuove scene dove spostarla.
Esempi:

Spoiler

Qual'è il limite. Sono ovviamente dei costrutti artificiali e capita che il modello alteri la fisionomia del soggetto creandone di fatto uno diverso solo perché nel prompt avevi richiesto una variazione nella carnagione. Ci si può comunque sfornare materiale per uno storyboard cheap e gli uomini soli possono fabbricarsi una waifu personale con poco sforzo, oppure, scherzi a parte, dei concept art in cui richiedere nel prompt di mantenere stile e personaggio nella descrizione di una nuova scena.
Chiudo qui per non dilungarmi eccessivamente. Avrei voluto mettere in comparazione l'editing di Google con quello di Flux 2 o Seedream ma sarebbe venuto fuori un post troppo prolisso... sarà per la prossima volta.

 

Alice...tutto molto interessante, ottima discussione

 

Veramente l'arciere è perfetto in tutti e tre i casi.

Cmq non capisco se c'è già nano banana perchè google ha implementato whisk?

 

Io non faccio mai uso dell'IA, se non in casi particolari, tipo l'upscaling di immagini in bassa risoluzione. Ma quello lo faccio da quando ancora non si chiamava IA.
I miei colleghi all'università si affidano a chatgpt per ogni stronzata, senza mai considerare la possibilità che spari castronerie. La mia forma mentis ipercritica lo trova intollerabile.
Anche quando faccio ricerche su google, non leggo mai le puttanate che spara l'IA ma apro i link alle fonti dirette, il che è considerabile pazzia di questi tempi!
Per quanto concerne invece gli utilizzi creativi, come appunto generazione di foto o video, non mi interessano minimamente.

 

Anche io...apro link a fonti dirette

 

Onestamente non lo so. In effetti Whisk somiglia a un Nano Banana dei poveri, ma permette generazioni gratuite illimitate quindi abbastanza comodo quando a uno serve semplicemente uno stesso character in differenti pose e look di abbigliamento.

Come sai il mio giudizio sull'intero settore è negativo ma mi sforzo (nei limiti di quello che arrivo a capire) sempre di parlarne con cognizione di causa; per farlo ho sempre voluto testare di persona queste tecnologie sature di hype per vedere cosa ci sia di vero in quello che dicono di saper fare visto che molti content creator sono semplicemente i markettari delle aziende produttrici. Ricordo che all'uscita di GPT 4 torme di youtuber simulavano orgasmi in diretta affermando che era in grado di replicare la scrittura di chiunque e avrebbe segnato una rivoluzione nella scrittura creativa: se mi fossi fidata avrei creduto che OpenAI aveva creato per magia un super Ghost Writer robot... poi l'ho testato con mano e mi sono sbellicata dalle risate di quanto fosse inetto al riguardo.
Pure i video generator sono pieni di pubblicità ingannevole e ti fanno vedere nelle demo di lancio video che non sono fatti nemmeno con lo stesso software che ti stanno vendendo.
I generatori musicali tipo Suno sono stati pubblicizzati da musicisti che si stracciavano le vesti per la disperazione quando poi, provandolo personalmente, ho visto che ha capacità di strutturare la musica molto mediocri e più lo usi più ti accorgi che per non combinare castronerie ricalca sempre gli stessi schemi (questo per quanto concerne le song, mentre se vuoi fargli generare una traccia puramente strumentale quasi sempre partorisce della musica senza costrutto che vaga senza senza meta). E' certamente in grado di vomitare roba migliore di quella che sento alla radio ma questo non perché Suno è buono ma perché la musica che passano oggi fa talmente schifo che pure un robot saprebbe farla meglio.
Non ho aperto questo thread per fare pubblicità a Google o altri ma per condividere le esperienze su cosa i generatori di immagini sanno effettivamente fare oggigiorno.

 

Prendi questo concetto ed applicalo a qualunque campo, oggigiorno.

 

Ultima serie di 3 test e per ora la chiudo qui.

Test 1. Posa di riferimento
A quanto pare ora nel blending (cioè la miscelazione di più immagini di riferimento da integrare in una scena) la posa dei character non va necessariamente descritta a parole ma si può anche illustrare al software visivamente. E' un approccio che non mi piace perché a parole sono sempre capace di descrivere nel prompt con precisione le posizioni anatomiche che voglio rappresentare, e ad andarmi a cercare dei reference corrispondenti per ogni scena che mi viene in mente perderei solo molto più tempo. Comunque per il bene della scienza a questo giro l'ho fatto.
Dopo aver scelto i ritratti dei personaggi ho chiesto al programma di integrarli in una scena nella posa raffigurata. I ritratti che avevo scelto in rete contenevano sullo sfondo un autobus in fiamme ma mi sono accorta che questo creava complicazioni, perché gli editor pensavano di doverlo includere oltre a quello già descritto nel prompt, quindi ho chiesto a Qwen di rimuovere gli sfondi. Qwen per cose semplici è carino soprattutto perché rompe molto meno coi filtri di censura che sono diventati troppo draconiani. Breve parentesi sulle cose senza senso che possono sovente bloccare i vostri progetti: pure le protesi metalliche a forma di tette di un androide vengono scambiate per immagini erotiche; non potete caricare immagini in cui compaiono minori nemmeno per colorarle; i VIP sono diventati off-limits e molti personaggi storici pure; alcune immagini rispetto a milioni di altre sono in modo specioso protette da copyright; a volte pure l'idea di una scena comica slapstick viene interpretata come violenza che viola i termini di servizio; ecc...
Ma torniamo a dov'eravamo rimasti:
References

Spoiler: Prompt

A dramatic digital painting in a city street at night.
Keep the style of the Reference image 1 and put the man on reference 1 and the woman on reference image 2 in the pose of reference image 3.
They stand at the centre and directly behind them, a large city bus is completely engulfed in massive, raging orange flames. Thick black smoke is billowing up into the night sky.
It is raining heavily. Rain streaks are visible throughout the image, glistening against the dark background and the characters' skin and clothes.
They are standing on a wet asphalt city street. The ground is highly reflective, mirroring the bright orange glow of the fire behind them. Debris is scattered on the road. The road is deserted and in the background a giant cyclops lies lifeless on the asphalt.
Tall city buildings line the street on either side, fading into the dark, rainy night.
The image relies on strong contrast. The warm, bright orange light from the fire creates a dramatic backlight for the characters, contrasting sharply with the cool, dark tones of the rain and the night. The scene conveys a mix of danger, heroism, and romance.

Il tutto somiglia un po' a quello che viene chiamato photobashing. Comunque Nano Banana si è dimostrato decisamente più abile nel blending rispetto agli altri modelli che ho testato.
Flux 2 ha realizzato la posa in maniera approssimativa e non ha rispettato il prompt riguardo al mostro.
Reve ha partorito una schifezza.
Seedream per certi versi ha fatto peggio di Flux.
Stavo pensando che per realizzare delle pose di riferimento con questo sistema potreste usare anche voi stessi fotografandovi (o facendovi fotografare) nella posa che volete fare assumere al personaggio della scena. Personalmente l'unico approccio che trovo congeniale e di descrivere dettagliatamente tutto a parole. In teoria funziona anche disegnare omini stilizzati con braccia e gambe a forma di stecche ma è un approccio a dir poco approssimativo.

Test 2: variazione di prospettiva
In questo test ho realizzato un immagine per ognuno dei software che ho voluto testare e nell'editing darò istruzioni per variare l'inquadratura così da vedere come sapranno ricreare la stessa scena da una prospettiva diversa. A questo giro saltiamo il Nano Banana perché l'ho mostrato più che a sufficienza e s'è capito essere il più capace. Vediamo altri editor, ovvero GPT, Flux, Seedream e... Qwen

Spoiler: Prompt di base

A cinematic shot of a young woman inside a greenhouse. A young woman with curly brown hair is the focal point. She is comfortably settled in a plush, mustard-yellow armchair, her legs crossed and propped up on a wooden coffee table as she reads a book. The room is essentially a library that has been overtaken by nature. Tall, dark wood bookshelves are packed with books of various sizes and colors. Vines and lush green plants climb over the shelves, drape from the ceiling, and sit in pots all around the room. Golden sunlight streams through the glass-paneled roof and walls, creating a warm, glowing ambiance and illuminating dust motes in the air. The space is teeming with plant life, including potted orchids with pink blossoms, roses, ferns, and flowering yellow and white blooms in decorative pitchers on the coffee table. Besides the armchair and coffee table, there's a small side table holding a stack of books topped with a lit oil lamp. Teacups and saucers sit on the table, suggesting a leisurely afternoon. Scattered papers and books lie on the floor and furniture, adding to the lived-in, relaxed feel. Two ravens, are perched on the window frame, observing the scene. The mood is rich by warmth, tranquility, and the gentle chaos of a life filled with books and plants.

Flux 2

Gli uccelli sono abbastanza finti e brutti da vedere. Quando vengono usati come elemento di contorno gli image generator quasi sempre li sfornano con la stessa sensibilità estetica con cui genererebbero una foglia secca o un fermacarte ma essendo un test di prospettiva non importa.
Proviamo per cominciare un mezzo primo piano e poi un inquadratura dal basso
Prompt
Take a medium close-up shot of the woman in profile.

Ha ricreato il tutto in maniera abbastanza coerente. Ora un inquadratura più difficile.
Prompt:
Take a lower shot of the woman

Ha realizzato con successo un inquadratura "ad altezza di cane", come diceva Ozu.
Quindi sì. Flux 2 ha superato il test di rielaborazione della prospettiva.
Come se la sono cavata gli altri (metto le immagini in ipertesto perché non voglio intasare la pagina del forum).
Seedream:
Nell'immagine base di Seedream fatico a capire cosa sta indossando la donna ai piedi. A parte questa stranezza e la solita bruttezza degli uccelli diciamo che è passabile.
Ha variato con successo la prospettiva ma mi ha fatto un long shot che è ben diverso da un medium close-up.
L'inquadratura bassa è curiosa e notevole. "Ad altezza di gatto", come diceva... boh, non so se qualche regista lo ha mai detto.
Seedream ne ha sbagliata una ma nell'inquadratura bassa è stato interessante quindi gli do la sufficienza.
Qwen (il modello di Alibaba)
Come generatore sfoggia un look mediocre ma passabile.
Ha realizzato il mezzo primo piano con successo.
Nell'inquadratura bassa ha fallito miseramente restituendo la stessa immagine di base.
Ne ha indovinata una su due come Seedream ma dal momento che l'inquadratura a camera bassa non è stato nemmeno in grado di concepirla gli do una leggera insufficienza.
GPT Image 1
L'immagine che ha realizzato in partenza dal prompt è con ampio margine la peggiore di tutte. Si vede che il cinematic shot non è nelle sue corde.
E' riuscito nel Medium close-up migliorando anche la resa del volto del soggetto.
Ha fatto un inquadratura più bassa ma la mano con cui sfoglia le pagine è deforme e gli uccelli sullo sfondo continuano ad essere chiazze nere indistinte.
GPT non ha sbagliato le istruzioni ma la resa estetica è stata troppo scadente per dargli un voto positivo.

Test 3: Variazione di luce.
Proviamo a fare drastiche variazione di luce per vedere come gli editor capiscono la luce in relazione agli oggetti di scena. E sì, ora noterete che quella lanterna vicino alla donna sopra i libri, contrariamente ai corvi, non l'ho richiesta a caso.
Flux 2
Prompt
Change the light to sunset light

Okay. Ora una cosa che ne testa davvero i limiti.
Prompt
Turn the scene from daytime to a moonlit night. Make the lantern next to the woman a source of light.
......Flux ha crashato! Ho riprovato più volte e con questo prompt crasha sempre.
Nel tramonto okay, ma è stato incapace di rielaborare la scena in notturna.
Seedream:
Nel tramonto se le cavata malissimo. Belli i colori ma per squalificarlo basta vedere che ha mantenuto la direzione della luce dell'immagine precedente e quindi la luce che entra non segue le leggi della fisica ottica.
Nella scena notturna curiosamente ha creato una nuova lanterna ma comunque stesso difetto del tramonto.
Risultato davvero insoddisfacente.
Qwen
Ancora peggio di Seedream. Praticamente anziché rielaborare l'illuminazione gli cambia solo il colore.
Idem per la scena notturna.
GPT Image 1
Per il tramonto ha semplicemente riempito l'immagine di un rosso intenso. Terribile.
Nella scena notturna ha capito che doveva fare buio ma è stato completamente incapace di rendere la lanterna una fonte di luce. Poi la donna non sembra più nemmeno la stessa.
GPT pessimo davvero.

E niente, in questo ultimo test sulla rielaborazione dell'illuminazione solo Flux ha saputo combinare qualcosa di accettabile. Per adesso è tutto.

 

idem
@Alice 0.8: sei bravissima (e io capisco meno di un decimo di quello che dici ma, da buon vecchietto, queste tecnologie continuano a ispirarmi orrore (per tante di quelle ragioni che sarebbe troppo tedioso anche solo elencarle)

 

Vale anche per me ma leggo con curiosità e interesse questa discussione e altre per cercare di capire ma è complicato...purtroppo.

 

Scusate l'ingerenza videoludica in questo thread ma...
Sto ultimamente rigiocando quel capolavoro di The Longest Journey e c'è una scena in particolare in una galleria d'arte che colpisce nel profondo, specialmente di questi tempi per via delle IA che creano opere "artistiche" ovunque. Una brillante riflessione ontologica sul concetto di arte e che, se accettiamo come vera, dovrebbe portarci a definire ogni meraviglioso e mirabolante quadretto digitale, realizzato dai generatori di immagini, come assolutamente non-arte.
PS: rimpiango i tempi in cui c'erano grandi penne nell'industria videoludica *sigh*

 

@Varil: non è il topic adatto per i temi introdotti in quella parte di The Longest journey, quindi sarò breve. Ho chiuso il primo post affermando che la tecnica ha da essere un mezzo e non un fine. Quando ne discussi con mio cugino pittore esattamente 10 anni fa lui (perché un sacco di pittori sono psicopatici) ebbe uno scatto d'ira e mi rovesciò addosso un barattolo di acrilico sul vestito nuovo urlandomi in faccia che la tecnica è tutto. Ora grazie a quella tecnica in sé e per sé che lui esaltava i suoi committenti di un tempo si sono tutti rivolti all'AI lasciandolo col cerino in mano. L'AI assorbendo lo scibile umano è ciò che oggi plasma l'immaginario collettivo: descrivi con parole la forma e lui la immagina per te, trasformando in forma i tuoi pensieri. Codificare le fantasie del genere umano in dei pattern riproducibili, evocandole a comando tramite prompt, è un tassello fondamentale per ciò che sarà la mente alveare del futuro. Tutto ciò che l'uomo ha esternato delle sue visioni e dei suoi sogni si amalgama in un immenso database, miscelandosi in unico luogo che è poi il non-luogo par excellence. Trasmettere la conoscenza senza dissipare l'energia che anima la conoscenza (affinché essa resti al servizio della vita) dovrebbe essere il fine di ogni attività umana, non solo dell'arte. Metaforicamente parlando l'artista in sostanza è un tipo con una sensibilità abbastanza sviluppata da poter andare a caccia di fantasmi per distillarne gli echi su una tela e tali echi sono il carburante che tiene viva la fiamma spirituale attorno alla quale la comunità si raduna. Mi rendo conto che si tratta di una visione personale scarsamente condivisa ma la penso così. Anche il laboratorio dell'AI è una distilleria, ma di opere già compiute per trasformarle in gocce digitali di un oceano virtuale navigabile ma sradicato da qualsiasi identità specifica.

 

Ricapitolando il punto della situazione, in base a quello che ho provato, nella top 5 abbiamo.
1) Banana Pro: in testa con ampio margine e batte la concorrenza su tutto o quasi.
2) Flux 2: Il meglio che attualmente l'open source ha da offrire. Ha un editor potente ma che fatica durante i processi di modifica a preservare tutti i dettagli di un immagine.
3) Seedream 4: La risposta della cinese ByteDance a Google. E' stato pubblicizzato come un Banana killer ma dopo il rilascio di Nano Banana Pro ne esce con le ossa rotte. Scarso nel blending ma buona aderenza al prompt anche se gli capita di duplicare nell'output elementi descritti nel testo come unità singole. Buona resa estetica e capace di realizzare scene da prospettive sorprendenti.
4) Hunyuan image 3.0: L'ultima creatura del colosso cinese Tencent. E' un modello all'avanguardia in grado di leggere senza problemi prompt di migliaia di caratteri. Il suo addestramento è stato rinforzato da molti feedback umani e di grafici professionisti e i suoi risultati si sforzano di voler apparire più intenzionali e meno meccanici, ma questo voler andare alla ricerca di una coerenza che è tutta propria spesso devia da idee specifiche ed è più indicato quando uno non ha in mente un idea precisa.
5) Midjourney v7: valido se si cercano risultati, tra virgolette, 'artistici.'

A questo ultimo turno vediamo come se la cavano con la resa anatomica di una posa non banale. Descrivere testualmente una posa dinamica può essere difficoltoso ma è comunque l'approccio che preferisco per provare a ottenere un risultato finale che sembri più naturale rispetto a forzare il modello nell'adottare la posa esatta di un reference specifico.
Come reference prendiamo il seguente sketch:

Anziché darlo in pasto al programma come abbiamo fatto la volta scorsa descriviamolo con precisione: È in piedi su una gamba sola (la destra), che è dritta e ben salda a terra. La gamba sinistra è piegata all'altezza del ginocchio e sollevata in alto, con il piede posizionato vicino all'anca destra. Il busto è inclinato significativamente all'indietro, creando una profonda curva dalle anche alle spalle. La testa è inclinata all'indietro, rivolta verso l'alto. Le braccia sono distese in avanti e leggermente indietro, con le mani aperte, come per cercare l'equilibrio.
Adesso c'è da immaginare la scena e come modello prenderemo di nuovo la stessa ragazza creata la volta scorsa, che battezzeremo Kristie. Il ritratto, pur essendo privo di background, mostra una donna bagnata coi riflessi delle fiamme che stavano alle sue spalle e tutto ciò può creare anomalie estetiche nella resa finale quindi bisogna prima editare il ritratto.

Spoiler: Prompt

Remove the background. Recreate the same portrait in the same style, keeping the woman's appearance the same but removing the wet look from the black jumpsuit. Also remove the red reflections and change her hairstyle to a short bob.

Spoiler: Prompt

A dynamic action scene in a sci-fi laboratory setting. Keep the digital painting style of reference image. In the foreground, the woman in the reference image is depicted dodging rotating blades thrown by a robot in the far mid-background. The blades pass close to her and their trajectory leaves a luminous trail that emphasises their sense of movement. She is wearing a sleek, all-black bodysuit with black boots. She is standing on one leg (the right leg), which is straight and firmly planted. The left leg is bent at the knee and raised high, with the foot positioned near the right hip. The torso is arched backward significantly, creating a deep curve from the hips to the shoulders. The head is tilted back, looking upwards. The arms are extended outwards and slightly back, with the hands open, as if reaching for balance. The laboratory floor is made of reflective metal.

In teoria avrei voluto che il robot fosse un po' più distante ma è già assai se la scena è riuscita quindi... però ciò mi consente di far notare una cosa: gli image generator in genere suddividono la distanza dei soggetti principali in primo piano, secondo piano e sfondo. In questo caso nel prompt avevo specificato di volere il robot in far mid-ground ma evidentemente nemmeno Banana ha saputo cogliere questa gradazione intermedia.
Essendo consci dell'inferiorità degli altri modelli nel blending li lasceremo liberi di generare l'aspetto di Kristie come preferiscono.
Seedream
Flux 2 (che ancora una volta è quello che ci è andato meno lontano)
Hunyuan
Nei risultati nessuno degli altri modelli è riuscito a rendere in modo coerente l'azione del robot in relazione a Kristie che schiva, però tutti hanno saputo rappresentare correttamente la posa eccetto Hunyuan (non perché non ci riesce ma perché secondo lui così è più creativo). Quindi il test lo hanno passato sebbene abbiano fallito nella rappresentazione concettuale della scena in cui stavo davvero chiedendo molto.


Chiudiamo questa panoramica vedendo come i differenti modelli ricreano alcune tecniche pittoriche: proveremo acquerello e pittura a olio. Per l'acquerello ho pensato a una semplice scena simil-medievale.

Spoiler: Prompt

A watercolor painting of a fair-skinned woman
with long blonde hair. She is seated on a low stone wall at the edge of a pool, and is dipping her bare feet into the water.
The woman is dressed in humble, patched clothing. Her expression is contemplative and somewhat melancholic. She wears a leather belt with a buckle, adding a touch of practicality to her attire.
The background shows a bustling town square in a medieval-style village. Several other figures are present, mostly men dressed in similar simple clothing. The buildings are constructed of stone and appear weathered, adding to the sense of age and history.
The artist uses soft, warm colors and natural light to create a sense of peacefulness, despite the potentially harsh realities of the setting.

Nano Banana chiedendogli il watercolor realizza sempre tutto in modo molto morbido e delicato. Siccome era un compito 'semplice' in cui non chiedevo nulla di ardito anche gli altri se la sono cavata bene.
Flux ha disegnato la scena un po' alla giapponese
Hunyuan è stato più tendente al realismo
Il risultato di Seedream è simil Midjourney

Passiamo alla pittura ad olio. Ho pensato a una scena pseudo-horror per esaltare i chiaroscuri.

Spoiler: Prompt

Oil painting image of a mummy woman in a deserted bar.
Standing on the left is a female mummy wrapped entirely in tattered, aged bandages. The wrappings drape around the lower body like a long, flowing dress. The figure bends slightly toward the seated man, placing a bandaged hand on his shoulder with something sensual in her movements.
Seated in a wooden armchair to the right is a man dressed in a dark suit and a slightly unbuttoned, white collared shirt. He looks up at the bandaged figure in dismay gripping the arms of his chair tightly.
On the left, large windows let in shafts of bright, hazy sunlight that illuminate floating dust particles in the air. In the shadows behind the figures, there are empty wooden tables and chairs. The palette is dominated by sepia tones, deep browns, and golden yellows, evoking the feeling of an historical horror setting.

Il risultato non mi piace ma al solito gli altri hanno fatto peggio. Comunque Banana nella pittura ad olio ha uno stile leggermente variabile e adattivo ricorrendo talvolta a pennellate spesse e altre meno. Gli altri modelli invece tendono di base pure troppo al realismo.
Flux
Hunyuan ha trasformato la donna in una mummia maschio perché secondo lui così era più coerente.
Seedream anche nell'oil painting continua ad avere qualcosa di midjournoso.

Ci sarebbero tanti altri stili da provare ma penso d'aver già fornito una visione complessiva e magari scriverò nuovi post quando giungeranno altre novità da testare e analizzare. Per ora passo e chiudo.

 

Non pensavo di tornare ad aggiornare il thread così presto ma avevo promesso aggiornamenti in caso di novità.
E' arrivato GPT Image 1.5 con cui OpenAi, oscurata dalla concorrenza, vuole tornare alla carica. Ho il sospetto che si tratti di un lancio anticipato di qualcosa che stavano sviluppando per GPT image 2.0... comunque sia l'ho provato per voi.
Se Sam Altman con questa mossa voleva dichiarare "ce ripigliamm tutt chell ch'è nuost!" direi che c'è andato vicino.
Banana Pro resta più versatile ma GPT Image 1.5 è attualmente quanto più gli si avvicina come qualità d'interpretazione del prompt e senso generale della composizione.
Aggiornando la mia Top 5 lo colloco senz'altro al secondo posto
1. Nano Banana Pro
2. GPT image 1.5
3. Flux 2
4. Seedream 4.5
5. Midjourney v7

Tra le caratteristiche nel nuovo GPT image c'è un editor molto più potente, una interpretazione dei prompt superiore e una resa estetica assai migliore. Tra le note negative c'è che come la precedente versione ha scarsa varietà stilistica al punto che riconosci le creazioni di GPT a colpo d'occhio pure da un thumbnail quando te ne imbatti su internet.
Ciancio alle bande passiamo alla prova sul campo. Come prima scena ho pensato a un illustrazione sognante di una coppia che pianifica, o immagina, avventure per mare.

Spoiler: Prompt

An illustration set in a small, wooden attic room lit almost entirely by candles. On the right, a woman lounges in a metal bathtub filled with water and foam. She has very long red hair and pale skin. One arm dangles lazily over the tub’s edge, the other is raised toward the ceiling as she gazes up dreamily. Above her, glowing golden fish made of light swim along the rafters, leaving trails like sparks; they look magical, as if conjured from her imagination. The whole room is cluttered with nautical objects: a brass diving helmet on a shelf, a ship model and an hourglass, coiled rope, shells, starfish, bottles, and books. Candles of different sizes sit on almost every surface, their wax pooled and dripping. On the left, a young man with messy brown hair and stubble sits on the floor beside the tub, barefoot and dressed in a torn sleeveless shirt and rolled up pants. He’s reading from a sheet of paper, looking relaxed and a bit tired, as if he’s reading a story aloud to the mermaid. A couple of books lie beside him. The overall mood is warm, intimate, and slightly melancholy, with the golden candlelight and glowing fish contrasting against the dark wooden interior.

Se noterete nel prompt avevo scritto 'illustration' ma GPT ha realizzato comunque un digital painting perché è la tecnica nella quale è tarato. E' una diretta evoluzione della versione 1.0 con la stessa pseudo pittura a olio granulosa dalle pennellate marcate e ampi giochi di contrasto e chiaroscuri. Bello ma... le immagini 'artistiche' le fa tutte così. Ah, la schiuma l'ho dovuta mettere nel prompt per avere più chance che la censura non lo considerasse pornografico.
Banana dal canto suo ha rispettato il concetto di illustrazione e ha realizzato la scena in stile disegno.
Al secondo giro torniamo a tema mummie così testiamo un po' anche l'editor. Perché questa mia fissazione per le mummie? Nostalgia dell'ultima festa in maschera a cui ho partecipato durante Halloween parecchi anni orsono dove mi ero appunto vestita da mummia. Questo è un prompt che tutti i modelli, a parte Banana, mi hanno sbagliato di brutto; non perché ci sia qualcosa di complicato ma semplicemente perché hanno ancora grossi limiti nello strutturare le distanze tra i soggetti o nel rendere credibile una qualsiasi scena in cui gli elementi vanno messi in relazione tra loro in modo sensato.

Spoiler: Prompt

Digital dark fantasy painting of an explorer in the corridor of an Egyptian tomb. In the foreground, an explorer wearing a brown hat is sinking into quicksand. The scene is depicted frontally and he is framed from behind, already submerged in sand up to his torso with his hands raised in search of help. In the midground, outside the quicksand, a beautiful female mummy watches him playfully. She is standing with her torso bent forward and her hands on her knees looking down mockingly at the explorer who is sinking into the sand. Her face is covered with bandages. The corridor is lined with life-size statues of ancient Egyptian deities: Anubis, Horus and Apis. The dim torchlight gives the scene a gloomy appearance. The mood is typically horror, where supernatural forces mock the foolishness of mortals who venture where they should not.

La scena sarebbe anche passabile ma la mummia pare troppo.. viva e poco mummia. Non tanto per le tettone che alla fine sono divertenti ma per via del viso. Quindi andiamo di editing:

Spoiler: Editing prompt

Perfect, but recreate the mummy's face completely covered in bandages with only the eyes exposed.

Ha capito che la mummia doveva essere più mummiosa.
Purtroppo non posso fare un confronto diretto con Banana Pro perché il prompt, per quanto lo modificassi, mi risultava costantemente NSFW (cioè Not safe for work, vale a dire censurato per non si capisce quale ragione). Comunque qui c'è la versione Banana normale che non risultando convincente ho editato riempiendo tutto di sabbia. Non è visivamente spettacolare ma, contrariamente a GPT, ha rispettato grossomodo la prospettiva originale che volevo dare alla scena.

Ultimo esempio e bon.
Perfino i vecchi modelli dell'anno scorso se la cavavano pressappoco con le illusioni prospettiche, tant'è che abbondano immagini AI di cose che escono da quadri o altre superfici. Già con Flux 1 o addirittura con Stable Diffusion 1.5 avevo generato cose accettabili di questo tipo, come Mantella verde che prende la mela dal quadro o il vecchio col giornale. Più difficile invece gli viene rappresentare correttamente qualcosa che sta confinato in uno spazio ben definito, tipo una persona intrappolata in uno specchio riempito per metà d'acqua. C'ero già riuscita con un po' di fatica con Flux 1 e quindi ho deciso di riutilizzare lo stesso prompt che scrissi allora:

Spoiler: Prompt

A young woman is shown waist deep in water inside a large oval mirror hanging on the wall of a medieval room. The water is a murky, with a few rising bubbles. Her long dark hair floats around her and is partly braided; she wears a cropped, tattered green top with fringed sleeves and a small pendant necklace. She faces forward with both hands pressed to the inside of the frame, as if she is trapped behind glass, her expression wide eyed and intense.
Behind her, half obscured in the watery gloom are ghostly, menacing faded faces that add a sense of danger and the supernatural to the scene.
In front of the mirror, on a wooden table in our world, lies a large, ancient book opened to pages filled with ink drawings of strange creatures, eyes, and occult symbols. Beside the book sits a human skull. Droplets of water are scattered on the table, as though the world in the mirror leaks into the room. The overall atmosphere is dark, mystical, and ominous, suggesting a scene of magic and entrapment between worlds.

Nano Banana ha fatto il compitino in modo estremamente mediocre, peraltro sbagliando completamente a interpretare il concetto dell'acqua.

Per ora è tutto, cari bambolotti.

 

psicopatico forse, ma aveva pienamente ragione
questi strumenti consentono a chiunque di fare qualsiasi cosa contribuendo al trionfo del dilettantismo che sta invadendo tutto il terreno della creatività e produce l'overdose di mediocrità in cui siamo ormai sepolti
un nuovo michelangelo o un nuovo behetoven oggi finirebbero per passare inosservati

 

@effe: Veneziani che hai citato nell'altro topic diceva la tua stessa cosa sul fatto che i geni del passato oggi finirebbero inosservati ma lo scriveva in articoli di decenni fa quando l'odierna questione dell'AI nemmeno esisteva. La nostra cultura era già in metastasi da molto prima: l'AI sarà un veicolo verso l'acuirsi della pigrizia e del pauperismo ma ritenerla la radice di tutti i mali sarebbe patetico. E no, mio cugino non aveva ragione: glielo ribadito duramente per e-mail l'ultima volta che ci siamo scritti. Si stava lamentando di come le cose gli andassero male ma era stato proprio lui a fare della tecnocrazia (in senso lato) una religione e quando questa stessa tecnocrazia crea delle macchine in grado di eguagliarti tecnicamente in ciò di cui ti pavoneggi, prendendoti a calci nel sedere, abbi la decenza di stare zitto, perché il saper fare fine a se stesso era già una mentalità da robot prima che approdassimo al mondo dei robot.